[发明专利]为人体运动活动生成个性化分类器的方法和设备

说明书

本文中描述了一种操作电子设备的方法，该方法包括：从电子设备的至少一个传感器收集初始运动活动数据；以及使用运动活动分类器函数根据收集的初始运动活动数据来生成电子设备相对于其周围环境的初始概率上下文。将所收集的运动活动数据存储在训练数据集中，并且使用训练数据集来更新运动活动分类器函数。该方法还包括从电子设备的至少一个传感器收集后续运动活动数据，并且使用经更新的运动活动分类器函数根据后续收集的运动活动数据来生成电子设备相对于其周围环境的后续概率上下文。

技术领域

本公开涉及一种用于以无监督方式使用从工厂设置的通用分类器开始被个性化的分类器来提高移动或可穿戴设备用户的运动活动的分类准确度的方法。

背景技术

移动、平板电脑和可穿戴设备包括嵌入式MEMS传感器，如加速度计、气压计、陀螺仪、磁力计和麦克风。这些传感器可以由在设备内执行的软件使用，以确定用户正在执行或进行的人体运动活动。这样的运动活动的检测可以由软件使用，以辅助人机交互。事实上，运动活动感知设备可以在涉及运动活动的某些应用中最小化或者甚至消除对人类输入的需要。例如，如果人类用户正在慢跑，则应用可以自动且无需用户输入地开始播放音乐并且开启健康监测应用。因此，正确地检测人体运动活动可以是有价值的且在商业上需要的，特别是在普适计算、人机交互和物联网领域。

通常，这样的电子设备使用通用分类技术来确定正在执行哪种运动活动，诸如步行或慢跑。这些通用分类技术并非特定于任何一个用户，而是被设计成为任何用户提供可接受的性能。然而，每个个人在执行这样的运动活动时具有不同的步态，这表示与对于其他用户而言相比，对于某些用户而言，通用分类技术可能更准确。这由于人的尺寸、形状和重量的巨大差异而变得复杂化，因为例如，由高且重的个体执行的慢跑运动的传感器输出与由矮且轻的个体执行的慢跑运动的传感器输出可能显著不同。

因此，为了提供更好和更准确的运动活动检测和分类，需要开发可以考虑不同用户的不同特性的分类技术。

发明内容

一种方法用于操作电子设备并且包括：从电子设备的至少一个传感器收集初始运动活动数据；以及使用运动活动分类器函数根据收集的初始运动活动数据来生成电子设备相对于其周围环境的初始概率上下文。将所收集的运动活动数据存储在训练数据集中，并且使用训练数据集来更新运动活动分类器函数。该方法还包括从电子设备的至少一个传感器收集后续运动活动数据，并且使用经更新的运动活动分类器函数根据后续收集的运动活动数据来生成电子设备相对于其周围环境的后续概率上下文。

该方法可以包括在生成初始概率上下文之后生成数据选择置信度量度。如果数据选择置信度量度大于较低阈值，则可以将所收集的运动活动数据可以存储在训练数据集中，并且如果数据选择置信度量度小于较低阈值，则可以不将所收集的运动活动数据存储在训练数据集中。

如果数据选择置信度量度大于或等于较低阈值且小于或等于较高阈值，则可以将所收集的运动活动数据存储在训练数据集中。

该方法可以包括在生成初始概率上下文之后生成数据选择置信度量度。如果数据选择置信度量度小于较高阈值，则可以将所收集的运动活动数据存储在训练数据集中，并且如果数据选择置信度量度大于较高阈值，则不将所收集的运动活动数据存储在训练数据集中。

该方法还可以包括在使用训练数据集来更新运动活动分类器函数之前确定训练数据集是否包含足够的数据，并且除非训练数据集包含足够的数据，否则不更新运动活动分类器函数。

该方法可以另外包括将后续运动活动数据存储在训练数据集中，使用训练数据集进一步更新经更新的运动活动分类器函数，从电子设备的至少一个传感器收集进一步的运动活动数据，并且使用经进一步更新的运动活动分类器函数根据进一步的运动活动数据来生成电子设备相对于其周围环境的进一步的概率上下文。

数据选择置信度量度可以基于初始概率上下文的条件熵。初始概率上下文可以包括包含多个不同潜在上下文的运动活动后验图，并且数据选择置信度量度可以基于运动活动后验图的条件熵。